第1页 DeepSeek在教育和学术领域的 应用场景与案例（上） AI肖睿团队 （张惠军、孙苹、周嵘） 2025年5月20日 • 北大青鸟人工智能研究院 • 北大计算机学院元宇宙技术研究所 • 北大教育学院学习科学实验室 第1页 DeepSeek在教育和学术领域的 应用场景与案例（上） AI肖睿团队 （张惠军、孙苹、周嵘） 2025年5月20日 • 北大青鸟人工智能研究院 讲座之一，面向教育工作者、学校管理人员、学术研究人员、教育技术专家、 学生、及关注教育和学术创新的社会各界人士，系统阐述DeepSeek技术如何赋能教育和学术全流程。本讲座不仅提供理论 指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语 课件，学习和讨论三天时间： n 第一天：DeepSeek技术重塑教育。 n 第二天：教-DeepSeek贯通教学流程。学-DeepSeek实现个性化学习。 n 第三天：研-DeepSeek赋能学术科研。管-DeepSeek提效学校管理。 三、在技术学习的道路上，优质学习资源至关重要。推荐大家参考《人工智能通识教程（微课版）》这本系统全面的入门教 材，结合B站“思睿观通”栏目的配套视频进行学习。此外，欢迎加入ai

的主要差异，或许来自对数字营销的定义以及价值量化方式的不同。  狭义数字营销是简单的传统营销线上化，这其实只是数字营销的一小部分。真正的 数字营销是服务于药品上市后的全周期、贯穿医疗服务全流程（学术推广、健康教 育、就医问诊、健康管理、药事服务等）、线上线下在数据驱动下有机结合的医药 销量增长服务。  医疗服务链条逐步完善，营销触点增多，各营销环节需环环相扣共同达成助力增长 的最终目 ..... 6 图表 7 四大类药物的数字营销现状..............................................................7 图表 8 以医生学术推广场景为例的传统营销线上化与数字营销的区别............ 8 图表 9 以非医保 OTC 药物为例的三层精细化数字营销管理..........................11 图表 25 日，医药数字营销领域暂未 出现新的投融资事件。 1.3 定义模糊、价值未量化是数字营销的关键瓶颈 多方促进数字营销发展。从政策端看，医疗反腐促进药品销售规范化、医药代表职业规 范促进回归学术推广本质、集采和国谈等政策推动企业降本增效优化销售费用支出，均 不同程度提升了数字营销的重要性。再观用户市场，无论医生还是患者信息获取渠道极 大丰富且主动搜索明显提升，数字营销是更好满足全渠道触达的方式。

这次会议不仅为人工智能的研究和发展奠定了基础，还为人类带来了巨大的变革和进步 一、人工智能发展简史了解 1 .2 人工智能的诞生 1956 年被称为“人工智能元年”的争议。 ◆1956 年——学术界的共识： 达特茅斯会议约翰 · 麦卡锡、马文 · 明斯基等学者首次提出 "Artificial Intelligence" 概念， 确 立 Al 为独立学科。会议明确了“让机器模拟人类智能”的研究目标，标志符号主义 四、国内外主要的大模型 4.2 国内的大模型产品 DeepSeek-R1 ( 深度求索 ) · 优点：开源推理模型，性能媲美顶级模型但成本仅为三十分之一，支持高效 分布式计算。 · 擅长内容：低成本推理、学术研究、中小企业应用。 · 缺点：需进一步优化以覆盖更复杂任务，生态建设尚在初期 豆包 ( 字节跳动 ) · 优点：多学科知识整合能力强，支持多格式文档处理，适合文案创作和逻辑 梳理。有一些现成的智能体方便使用。 的通过率是 79.8% 应用的范围 适合大规模的自然语言处理工作，像 对话式 AI 、多语言翻译还有内容生 成 等等，能给企业提供高效的 Al 方 案， 满足好多领域的需求 适合学术研究、解决问题的应用和决策 支持系统等需要深度推理的任务，也能 拿来当教育工具，帮学生锻炼逻辑思维 六、 DeepSeek 简 介 6.5 生成模型与推理模型 CDC 疾控 人 桑垃同着

格式调整、梳理建模和推导等重复性任务；作为智能体，⼤模型本⾝成为研究对象与实验⼯ 具，能模拟⼈类决策⾏为、预测反应，并通过多智能体系统模拟社会互动；作为朋友，⼤模 型超越学术⻆⾊，提供全⽅位⾮学术⽀持，包括职业发展建议、⼼理辅导和⼈际交往建议。 ⼤模型全⾯融⼊学术⼯作流程，不仅能通过⾃动化重复劳动提⾼研究效率，更能通过⼈机合 作扩展⼈类思维的⼴度和深度，经济管理研究即将⾛向⼈机协作的新时代。 关键词: ⼈⼯智能；经济学⽅法论；⼈机协同；⼤语⾔模型 导等重复性任务；作为 智能体，大模型本身成为研究对象与实验工具，能模拟人类决策行为、预测反应，并通过多智能体系统模拟社 会互动；作为朋友，大模型超越学术角色，提供全方位非学术支持，包括职业发展建议、心理辅导和人际交往 建议。大模型全面融入学术工作流程，不仅能通过自动化重复劳动提高研究效率，更能通过人机合作扩展人类 思维的广度和深度，经济管理研究即将走向人机协作的新时代。 关键词: 人工智能；经济学方法论；人机协同；大语言模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 1 引言 4 1 引言 智能技术革命正重塑全球学术生态。人工智能大语言模型1传统自动化有本质区别：大语言模型实现了 “认 知工作的自动化”（Automation of cognitive work）(Korinek, 2023)，它们直接触及知识生产的核心，能够理

本刊要求作者提供文章创新点和学术评论句 本刊要求文章正文阐明研究的创新性，并且有学术评论句，同时摘出列在文章末尾，现对两者说明如下： 创新性：创新内容是科技论文中所具有的与已有文献不同的具体的专业知识内容，也称为创新点，是科技论文新颖性所在，其反映科学知识的递 增性。作者在 CNKI 或 Pubmed 检索后应说明研究（成果）的创新贡献，简言概括，也是对文章的介绍。 学术评论句：指在一篇学术论文中对于另一 学术评论句：指在一篇学术论文中对于另一篇学术论文的具有显性评论性质的句子。用于对他人研究的评价，“具有显性评论性质”指在一句学 术评论句中，必须具备 4 个特征：①对已发表论文（被评文献）的评论；②与学术评论句配对的文末参考文献，必须是严格对应的被评文献本身，是完整 的，非二次引用的；③句子中有该论文的性质，评论它的标志性词汇（标志词），如“首次”、“第一次”、“率先”、“最早的”、“可追溯到”等；④句子中直接 出现作者姓名和发表年份。 出现作者姓名和发表年份。 句子中没有出现显性的“首次”、“最早”、“第一次”等标志性词汇的句子称为“描述性句子”非评论性句子。 学术评论句举例：斯坦福大学医学院 Michele P. Cabs[1]实验室在利用中Ф31 整合系统进行基因治疗方而做出了系列开创性的工作。2000 年，他 们首次将中Ф31 整合酶用于人细胞并获得成功。 摘自文献：张霖, 赵国屏, 丁晓明，中国科学, 2010, 40（12）:

提升教学效率、构建智慧课堂等提供了必要的支持（如通过学情数据分析为学生提供量身定制的学习体验 2）。 科研方面：加速了数据驱动的跨学科协同创新，优化文献分析、实验设计及成果转化路径，正在重构学术评价 体系（形成持续性的产学研协同创新体系 3）。治理方面：依托实时数据监测与智能决策，促进教育资源合理调配， 推动教育高质量发展（通过现代信息技术驱动治理效能现代化 4）。 大模型为教育 性增长、尊重法治和人权、透明度和可解释性、稳健性、安全性、问 责制）和五项国家政策及国际合作建议，为各国制定人工智能政策提 供了重要的国际参考框架。建议书通过包容性和参与性流程制定，涉 及政府、产业、民间社会、工会、技术社区和学术界等多方利益相关 者的广泛参与，并建立了 AI 政策观察站（OECD.AI）等支持实施的机制。 2023 年 5 月 美国教 育部教 育技术 办公室 《人工智能与 教学的未来》 报告 、恰当地使 用人工智能工具；3）调整教学和评估方法，纳入人工智能的道德使用， 并确保公平可及；4）维护学术严谨性和诚信，制定明确的政策界定不 当使用；5）加强合作，分享最佳实践，共同应对技术发展带来的挑战。 这些原则旨在确保人工智能工具惠及师生，提升教学体验和未来技能， 同时维护学术标准。 4 大模型背景下高等教育数智化转型研究报告 2023 年 7 月 日本文 部科学 省高等

（待更新） 1 概述 2 法律行业案例 3 金融行业案例 4 教育行业案例 5 医疗行业案例 目录 10.1 概述 随着大模型技术的发展，如何利用 AI 智能体更好地赋能垂直行业是工 业界和学术界共同关注的问题，我们结合法律、金融和教育等行业背 景，搭建多种形式的智能体，并重点讨论在不同业务需求下的智能体 设计决策。 1 概述 2 法律行业案例 3 金融行业案例 4 教育行业案例 5 医疗行业案例 大型语言模型在生成文本方面展现了显著的能力，使得区分人类创作与机器生成的文本变 得愈发困难。这种变化引发了在学术诚信、虚假新闻和在线信息验证等领域的担忧。因此， 确定一段文本是由 LLM 辅助生成还是完全由人类撰写变得至关重要。早在 2023 年，有 28 所英国大学宣布，明确禁止在论文和课程作业中使用 ChatGPT ，否则将被视为学术不端行 为，将面临开除的严重处分。在国内，学生的毕业论文除了传统的查重之外，也开始加入 入 了 AI 查重功能。为了应对这一挑战， GPTZero 等工具被相继推出，用于检测文本是否是 由 AI 生成。 10.4.1 学术论文原创性评价 尽管可以使用提示工程的方式检测文本是否由 AI 生成，但其准确率不佳。因此，我们将首先部署垂直 领域的模型，专门用于计算文本由 AI 生成的概率，并开放 API 。然后，进一步在扣子平台开发插件用 于调用该 API ，实现本地模型和远端智能体的协同工作，其最终效果图如下所示

，且正以每年几十、几百 TB 级快速增长。对于高校如此庞大的数据量， 如何将其在安全合规的基础上进行协同共享 ，是高校数据资源能够高效利用的保障。 在这些数据资源中 ，积累着大量的知识 ，其中不乏教学资料、学术文献、科研报告、试 验数据、会议视频音频等。知识于高校而言 ，是最大的资源、也是最强的生产力 ，知识 是高校的智力 ，是高校保持旺盛生命力、保持可持续发展的能力源泉。 但当前 ，数据资源中的知识并未被高效利用 高效、高伸缩性、高适应性 办公文件 档案数据 邮件附件 科研成果 科研 音视频 党建资源 科研资源 公文 培训资料 数据驱动智慧校园建设｜ 25 设备手册 表单 学术文章 期刊 设备技术 资料 业务数据 1 . 影像资料 语音资料 图片资料 OA 附件 营运域 高并发： 日活用户 1W+ 同时在线用户 1000+ 安全合规： 防非法访问，防病毒 精准查找，没有关联推荐，老师备课难；学生学习多门课程， 课件获取麻烦，难以课后复习以及关联学习； • 论文、报告查找分析难：科研、实验产生海量学术论文、实验 报告，难以高效阅读和关联分析，导致科研、实验花费时间多， 效率低； • 学校制度复杂办事难：校园规章制度多自主查询难理解，师生

学术论坛 数字技术 与应用 1 引言 网络学习平台采用基于云计算和移动互联等新兴信息技术,引 入MOOC学习模式[1],以学习空间、教学空间、资源建设中心为一体, 着力打造以师生为中心,以应用为主导,以数字化教学资源建设为 重点,全面促进人才培养模式的改革和学习方式的创新。通过建设 和整合精品资源共享课、视频公开课、微课程、专业教学资源库等各 类数字化学习资源,为学生提供随时随地的学习 15/03/120) 资助。 作者简介:张玮(1980 —),女,汉族,山东淄博人,硕士,讲师,研究方向:应用电子。 图 1 网络学习平台的总体架构设计 图 2 网络学习平台首页面 学术论坛 数字技术 与应用 支撑是指网络学习平台提供的教学功能,包括教师备课、网上教学、 辅导答疑、学习跟踪、网上实验、作业批改、考试考核、教学评价等。 网络学习平台最终以网络课程、名师公开课、资源共享课、虚拟 网络学习平台是一种教学模式的创新、教学手段的创新。首先, 可以有效解决师资不足、校舍不足、提高教学质量,提高学生自主参 图 3 教师个人空间 图 4 教师建课 图 6 学生学习空间 图 5 教师教学空间 学术论坛 数字技术 与应用 图 7 学生网上学习 与程度等问题。学校可以以较低的成本,扩充课程资源。达成个性化 培养、自主学习的目标,这对学生和学校都具有重大价值。其次,教 师能借助平台提高教学效率

并允许老师和同学们共享文件。回到宿舍，学生也不再为找网络接口而发 愁，躺在宿舍的床上既可用笔记本无线上网，享受最前沿科技带来的便捷 和乐趣，周末期间可在多个宿舍之间自由共享文件进行学习探讨、学术交 流、音乐视频点播等自由娱乐。 (5) 节能教室 节能教室是通过实时监控室温、光线强度、空气质量等，并结合教室 实际人数自动控制教室电灯、空调、风扇、报警系统等，起到自动节能、 6、可与智慧校园集成，实现统一身份认证、共享数据、统一消息等 基 “ ” 础服务，满足 一次登录，即可办理， 一次提交，重复利用 的需要。 5.2.2 移动服务平台 移动校园平台以数字校园信息化建设为基础，将学院丰富的学术资 源、不断创新的教学理念和日常的学习、教务与生活，融合远程教育、资 源共享、信息交互、无线接入、移动终端等信息化技术发展的最新成果， 在学院教学理念与信息化发展思想的统一指导下进行移动式展现。推动学 8 科研管理系统 ***职业技术学院科研系统要从结构上分为四个部分，即科研门户网 站、核心业务流程、 基础数据库和系统服务。基础数据库是系统的基础，它包括机构、人 员、项目、经费、成果、学术活动、获奖等信息。基于基础数据库上，结 合科研的日常管理，系统提供了数据审核、在线办公、项目流程管理、绩 效考核以及年度统计等核心业务流程。科研门户网站是科技处对外发布信 息的门户，能提